CN113485432A - 一种基于无人机的光伏电站电致发光智能诊断***及方法 - Google Patents
一种基于无人机的光伏电站电致发光智能诊断***及方法 Download PDFInfo
- Publication number
- CN113485432A CN113485432A CN202110845392.1A CN202110845392A CN113485432A CN 113485432 A CN113485432 A CN 113485432A CN 202110845392 A CN202110845392 A CN 202110845392A CN 113485432 A CN113485432 A CN 113485432A
- Authority
- CN
- China
- Prior art keywords
- image
- electroluminescence
- photovoltaic power
- aerial vehicle
- unmanned aerial
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000005401 electroluminescence Methods 0.000 title claims abstract description 52
- 238000000034 method Methods 0.000 title claims abstract description 23
- 238000003745 diagnosis Methods 0.000 title claims abstract description 22
- 238000012545 processing Methods 0.000 claims abstract description 64
- 238000001514 detection method Methods 0.000 claims abstract description 21
- 238000012423 maintenance Methods 0.000 claims abstract description 7
- 230000008569 process Effects 0.000 claims abstract description 6
- 239000000284 extract Substances 0.000 claims abstract description 5
- 230000007547 defect Effects 0.000 claims description 34
- 230000002159 abnormal effect Effects 0.000 claims description 13
- 238000007689 inspection Methods 0.000 claims description 7
- 238000002503 electroluminescence detection Methods 0.000 claims description 6
- 239000013604 expression vector Substances 0.000 claims description 6
- 238000004458 analytical method Methods 0.000 claims description 4
- 238000003709 image segmentation Methods 0.000 claims description 3
- 238000012706 support-vector machine Methods 0.000 claims description 3
- 238000012795 verification Methods 0.000 claims description 3
- 230000000007 visual effect Effects 0.000 claims description 3
- 230000008878 coupling Effects 0.000 claims description 2
- 238000010168 coupling process Methods 0.000 claims description 2
- 238000005859 coupling reaction Methods 0.000 claims description 2
- 238000005516 engineering process Methods 0.000 claims description 2
- 238000012360 testing method Methods 0.000 claims 1
- 238000010248 power generation Methods 0.000 description 4
- 230000008901 benefit Effects 0.000 description 3
- 238000011156 evaluation Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 239000000463 material Substances 0.000 description 3
- 230000006872 improvement Effects 0.000 description 2
- 238000010521 absorption reaction Methods 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 230000000712 assembly Effects 0.000 description 1
- 238000000429 assembly Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 229910052799 carbon Inorganic materials 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000004146 energy storage Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000005192 partition Methods 0.000 description 1
- 238000004321 preservation Methods 0.000 description 1
- 238000012876 topography Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/10—Simultaneous control of position or course in three dimensions
- G05D1/101—Simultaneous control of position or course in three dimensions specially adapted for aircraft
- G05D1/106—Change initiated in response to external conditions, e.g. avoidance of elevated terrain or of no-fly zones
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
- G06N20/10—Machine learning using kernel methods, e.g. support vector machines [SVM]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/40—Image enhancement or restoration using histogram techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0004—Industrial image inspection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/136—Segmentation; Edge detection involving thresholding
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20081—Training; Learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30108—Industrial image inspection
- G06T2207/30164—Workpiece; Machine component
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Quality & Reliability (AREA)
- Computing Systems (AREA)
- Data Mining & Analysis (AREA)
- Mathematical Physics (AREA)
- Remote Sensing (AREA)
- Radar, Positioning & Navigation (AREA)
- Aviation & Aerospace Engineering (AREA)
- Automation & Control Theory (AREA)
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
- Photovoltaic Devices (AREA)
Abstract
本发明公开了一种基于无人机的光伏电站电致发光智能诊断***及方法,该***包括光伏电站、机载电致发光图像采集端、图像接收与处理服务器、数据处理保存报警终端和移动报警终端,机载电致发光图像采集端安装在无人机上,实时采集光伏电站工作空间的图像,并将采集到的图像传输至图像接收与处理服务器;图像接收与处理服务器对接收到的图像进行分析处理,判断组件是否发生故障,并将判断结果传输至数据处理保存报警终端和移动报警终端;数据处理保存报警终端将接收到的图片进行保存并将其位置和提取组件问题信息,在电脑页面进行报警显示,同时将电脑显示的报警信息传输给移动报警终端,移动报警终端及时的将其信息报警提示给运维检测人员。
Description
技术领域
本发明属于光伏电站故障诊断领域,具体涉及一种基于无人机的光伏电站电致发光智能诊断***及方法。
背景技术
在能源日益紧缺的今天,世界能源加快向多元化、清洁化、低碳化转型,2050年清洁能源占比合计达56%。太阳能作为取之不尽用之不竭的清洁能源,已经得到了越来越多的人的重视,而且随着技术手段的不断提高光伏发电作为新的清洁能源应用的技术领域也越来越多。太阳能光伏成的不断下降,加之电网消纳吸收能力的提升、分布式能源***的快速发展,而传统化石能源受环境外部性等因素的制约,其使用成本将不断攀升。预计到21世纪末,可再生能源在总能源结构中不低于80%,太阳能发电不低于60%。这些都足以证明,太阳能发电将在全球持续不断得发展。
光伏发电***主要由光伏组件、控制器、逆变器、蓄电池及其他配件组成并网不需要蓄电池。根据是否依赖公共电网,分为离网跟并网两种,其中,离网***是独立运行的、不需要依赖电网。离网光伏***配备了有储能作用的蓄电池,可保证***功率稳定,能在光伏***夜间不发电或阴雨天发电不足等情况下供给负载用电。不管何种形式,工作原理均为光伏组件将光能转换成直流电,直流电在逆变器的作用下转变成交流电,最终实现用电、上网功能。
光伏电站在建造时需要考虑气候环境与用地要求大多数都建设在荒地、隔壁等不适合进行工农业开发的艰苦地区,通过许多光伏组件的串联、并联再通过功率控制器等器件组建成。
如果在运行过程中出现某一块或者几块出现故障,由于光伏电站规模巨大、环境恶劣,通过传统的人工检修将耗费巨大的人力、物力和时间,同时也会使运维成本大大提高。
发明内容
本发明的目的在于提供一种基于无人机的光伏电站电致发光智能诊断***,解决了现有的光伏电站的检修工作存在成本高、效率低的问题。
为了达到上述目的,本发明采用的技术方案是:
一种基于无人机的光伏电站电致发光智能诊断***,包括光伏电站、机载电致发光图像采集端、图像接收与处理服务器、数据处理保存报警终端和移动报警终端,其中,机载电致发光图像采集端是安装电荷耦合探测片的电致发光检测设备安装在无人机上;用于实时采集光伏电站工作空间的图像,并将采集到的图像传输至图像接收与处理服务器;图像接收与处理服务器用于对接收到的图像进行分析处理,判断组件是否发生故障,并将判断结果传输至数据处理保存报警终端和移动报警终端。数据处理保存报警终端对图像接收与处理服务器的图片处理数据进行接收,将接收到的图片进行保存并将其位置和提取组件问题信息,在电脑页面进行报警显示,同时将电脑显示的报警信息传输给移动报警终端,移动报警终端及时的将其信息报警提示给运维检测人员。
所述的基于无人机的光伏电站电致发光智能诊断***的诊断方法,
第一步:电致发光检测设备安装在无人机上,保证能对整个光伏电站进行空中巡检,电致发光图片通过5G网络传输到图像接收与处理服务器上;
第二步:检查光伏电站是否在运行状态,确保光伏电站正常运行,通过机载电致发光图像采集端对整个光伏电站进行巡检拍摄电致发光图像,将电致发光图像通过5G网络传输给图像接收与处理服务器,图像接收与处理服务器对电致发光图像进行分析处理,对光伏电站上的组件进行标记编号,提取每块编号组件的特征,进行分析对比对组件故障进行分类处理入库保存;
第三步:图像接收与处理服务器对接收到的图像进行分析处理包括两个步骤:分别是图像去重部分和缺陷识别部分;图像去重部分针对接收到的图片重复情况,提出先分割再去重的方法,首先利用基于阈值的图像分割算法对图像进行分割,分割出图片中的光伏组件中的电池和边框主体,保留自然和人文背景用于图片的重复判定;在此基础上提取图片的局部特征,建立视觉词典,和图片的特征表示向量,利用特征表示向量的出现的频率进行第一类图像重复判定,并利用特征匹配几何验证的方法进行第二类图像重复判定,剔除接收到的重复图像;缺陷识别部分使用先检测后识别的方法,对图像缺陷进行检测和识别,首先,采用基于梯度方向直方图特征和支持向量机机器学习算法的图像检测方法,检测出图片中的非正常部分并对其进行提取;提取出非正常部分后,计算出非正常部分的面积,然后在色调、饱和度、明度、空间中根据颜色阈值分割出缺陷区域并计算缺陷区域的面积;根据缺陷部分面积和非正常部分的面积比例对组件缺陷程度进行判断;最后再将提取出的缺陷区域与服务器中预存的缺陷图像进行对比,得到其缺陷类型;提取故障编号组件,对故障组件进行故障分类传输给数据处理保存报警终端和移动报警终端,然后进行下一张组件的电致发光图像分析对比,如果不存在故障,则读取下一张传输回来的电致发光图像。
和现有技术相比较,本发明具备如下优点:
与传统的光伏电站检测采取人工实地检测、人眼分辨光伏组件缺陷的方式相比,基于无人机的光伏电站电致发光智能诊断***不仅解决了人力物力花费成本高的问题,而且解决了时效性差、人员工作量大的问题。利用无人机能够全面、快速地了解光伏电站的地形地貌、组件排布等信息,可以非常快速的提高检测效率。
无人机搭载电致发光图像采集端航拍对整个光伏电站区域进行拍摄,并将数据传送给处理终端,不但能够快速准确及时了解电站组件区域的地理、组件数据信息,而且可以对光伏组件进行标记检测,与传统的人为检测抽检数量低,代表性差相比检测更具有普适性、代表性对整个光伏电站的检测更加全面具体,对整个电站的性能评估更具说服力。
整个***具有存储保存的功能,能够调用所有的不同阶段的组件检测情况,可以对组件阶段性质量评估提供可靠的依据,对于整个电站的经济效益评估更加准确,同时配有报警终端,尤其是移动报警终端,能够减少电站巡检过程的人力物力浪费,提高整个电站的巡检效率。
附图说明
图1为本发明的网络传输链路图。
图2为本发明的工作流程图。
具体实施方式
下面结合附图对本发明进一步详细说明。
如图1所示,本发明提供的一种基于无人机的光伏电站电致发光智能诊断***,包括光伏电站1、机载电致发光图像采集端2、图像接收与处理服务器3、数据处理保存报警终端4和移动报警终端5,其中,机载电致发光图像采集端2是安装电荷耦合探测片的高清摄像头安装在无人机上;用于实时采集光伏电站工作空间的图像,并将采集到的图像传输至图像接收与处理服务器3;图像接收与处理服务器3用于对接收到的图像进行分析处理,判断组件是否发生故障,并将判断结果传输至数据处理保存报警终端4和移动报警终端5。数据处理保存报警终端4对图像接收与处理服务器3的图片处理数据进行接收,将接收到的图片进行保存并将其位置和提取组件问题信息,在电脑页面进行报警显示,同时将电脑显示的报警信息传输给移动报警终端5,移动报警终端5及时的将其信息报警提示给运维检测人员。
如图2所示,本发明基于无人机的光伏电站电致发光智能诊断***的诊断方法:第一步:电致发光检测设备安装在无人机上,保证能对整个光伏电站进行空中巡检,电致发光图片通过5G网络传输到图像接收与处理服务器3上;第二步:检查光伏电站是否在运行状态,确保光伏电站正常运行,通过机载电致发光图像采集端2对整个光伏电站进行巡检拍摄电致发光图像,将图像通过5G网络传输给图像接收与处理服务器3,图像接收与处理服务器3对图像进行分析处理,对光伏电站上的组件进行标记编号,提取每块编号组件的特征,进行分析对比对组件故障进行分类处理入库保存;第三步:无人机对光伏电站进行周期性巡检拍摄电致发光图像,图像接收与处理服务器3对接收到的图像进行分析处理包括两个步骤:分别是图像去重部分和缺陷识别部分。图像去重部分针对接收到的图片重复情况,提出先分割再去重的方法,首先利用基于阈值的图像分割算法对图像进行分割,分割出图片中的光伏组件中的电池和边框主体,保留自然和人文背景用于图片的重复判定。在此基础上提取图片的局部特征,建立视觉词典,和图片的特征表示向量,利用特征表示向量出现的频率进行第一类图像重复判定。并利用特征匹配几何验证的方法进行第二类图像重复判定。剔除接收到的重复图像。缺陷识别部分使用先检测后识别的方法,对图像缺陷进行检测和识别。首先,采用基于梯度方向直方图特征和支持向量机机器学习算法的图像检测方法,检测出图片中的非正常部分并对其进行提取。提取出非正常部分后,计算出非正常部分的面积,然后在色调、饱和度、明度、空间中根据颜色阈值分割出缺陷区域并计算缺陷区域的面积。根据缺陷部分面积和非正常部分的面积比例对组件缺陷程度进行判断。最后再将提取出的缺陷区域与服务器中预存的缺陷图像进行对比,得到其缺陷类型。提取故障编号组件,对故障组件进行故障分类传输给数据处理保存报警终端4和移动报警终端5,然后进行下一张组件的电致发光图像分析对比,如果不存在故障,则读取下一张传输回来的电致发光图像。
所述基于无人机的光伏电站电致发光智能诊断***,其电致发光检测设备是搭载在无人机上面的,能够对整个光伏电站组件进行巡检并拍摄光伏组件的电致发光图像。
所述基于无人机的光伏电站电致发光智能诊断***,其无人机上安装有无线网卡收发装置可以实时的利用5G网络进行传输,能够将拍摄的电致发光图片传输给图像接收与处理服务器3。
所述基于无人机的光伏电站电致发光智能诊断***,图像接收与处理服务器3对传输过来的电致发光图像,应用数字化技术匹配、描述和识别对图像进行比较和配准,通过分别提取图像的特征及相互关系,得到图像符号化的描述,再同预存的组件特征比较,以确定其故障类型,根据故障类型确定报警。
本发明的好处是通过电致发光相机搭载无人机拍摄光伏电站的电致发光图像,通过5G网络***对比各组件的电致发光图片进行智能诊断报警,不但可以对电站进行实时监控,而且还大大提高了效率。
Claims (6)
1.一种基于无人机的光伏电站电致发光智能诊断***,其特征在于:包括光伏电站(1)、机载电致发光图像采集端(2)、图像接收与处理服务器(3)、数据处理保存报警终端(4)和移动报警终端(5),其中,机载电致发光图像采集端(2)是安装电荷耦合探测片的电致发光检测设备安装在无人机上;用于实时采集光伏电站工作空间的图像,并将采集到的图像传输至图像接收与处理服务器(3);图像接收与处理服务器(3)用于对接收到的图像进行分析处理,判断组件是否发生故障,并将判断结果传输至数据处理保存报警终端(4)和移动报警终端(5);数据处理保存报警终端(4)对图像接收与处理服务器(3)的图片处理数据进行接收,将接收到的图片进行保存并将其位置和提取组件问题信息,在电脑页面进行报警显示,同时将电脑显示的报警信息传输给移动报警终端(5),移动报警终端(5)及时的将其信息报警提示给运维检测人员。
2.根据权利要求1所述的一种基于无人机的光伏电站电致发光智能诊断***,其特征在于:电致发光检测设备是搭载在无人机上面的,能够对整个光伏电站组件进行巡检并拍摄光伏组件的电致发光图像。
3.根据权利要求1所述的一种基于无人机的光伏电站电致发光智能诊断***,其特征在于:无人机上安装有无线网卡收发装置可以实时的利用5G网络进行传输,能够将拍摄的电致发光图片传输给图像接收与处理服务器(3)。
4.根据权利要求1所述的一种基于无人机的光伏电站电致发光智能诊断***,其特征在于:图像接收与处理服务器(3)对传输过来的电致发光图像,应用数字化技术匹配、描述和识别对图像进行比较和配准,通过分别提取图像的特征及相互关系,得到图像符号化的描述,再同预存的组件特征比较,以确定其故障类型,根据故障类型确定报警。
5.根据权利要求1所述的一种基于无人机的光伏电站电致发光智能诊断***,其特征在于:电致发光检测设备为高清摄像头。
6.权利要求1至5任一项所述的基于无人机的光伏电站电致发光智能诊断***的诊断方法,其特征在于:
第一步:电致发光检测设备安装在无人机上,保证能对整个光伏电站进行空中巡检,电致发光图片通过5G网络传输到图像接收与处理服务器(3)上;
第二步:检查光伏电站是否在运行状态,确保光伏电站正常运行,通过机载电致发光图像采集端(2)对整个光伏电站进行巡检拍摄电致发光图像,将电致发光图像通过5G网络传输给图像接收与处理服务器(3),图像接收与处理服务器(3)对电致发光图像进行分析处理,对光伏电站上的组件进行标记编号,提取每块编号组件的特征,进行分析对比对组件故障进行分类处理入库保存;
第三步:图像接收与处理服务器(3)对接收到的图像进行分析处理包括两个步骤:分别是图像去重部分和缺陷识别部分;图像去重部分针对接收到的图片重复情况,提出先分割再去重的方法,首先利用基于阈值的图像分割算法对图像进行分割,分割出图片中的光伏组件中的电池和边框主体,保留自然和人文背景用于图片的重复判定;在此基础上提取图片的局部特征,建立视觉词典,和图片的特征表示向量,利用特征表示向量的出现的频率进行第一类图像重复判定,并利用特征匹配几何验证的方法进行第二类图像重复判定,剔除接收到的重复图像;缺陷识别部分使用先检测后识别的方法,对图像缺陷进行检测和识别,首先,采用基于梯度方向直方图特征和支持向量机机器学习算法的图像检测方法,检测出图片中的非正常部分并对其进行提取;提取出非正常部分后,计算出非正常部分的面积,然后在色调、饱和度、明度、空间中根据颜色阈值分割出缺陷区域并计算缺陷区域的面积;根据缺陷部分面积和非正常部分的面积比例对组件缺陷程度进行判断;最后再将提取出的缺陷区域与服务器中预存的缺陷图像进行对比,得到其缺陷类型;提取故障编号组件,对故障组件进行故障分类传输给数据处理保存报警终端(4)和移动报警终端(5),然后进行下一张组件的电致发光图像分析对比,如果不存在故障,则读取下一张传输回来的电致发光图像。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110845392.1A CN113485432A (zh) | 2021-07-26 | 2021-07-26 | 一种基于无人机的光伏电站电致发光智能诊断***及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110845392.1A CN113485432A (zh) | 2021-07-26 | 2021-07-26 | 一种基于无人机的光伏电站电致发光智能诊断***及方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113485432A true CN113485432A (zh) | 2021-10-08 |
Family
ID=77942738
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110845392.1A Pending CN113485432A (zh) | 2021-07-26 | 2021-07-26 | 一种基于无人机的光伏电站电致发光智能诊断***及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113485432A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114199230A (zh) * | 2021-12-14 | 2022-03-18 | 石家庄东方热电热力工程有限公司 | 一种光伏发电组件地理位置导航方法 |
CN114268095A (zh) * | 2021-12-22 | 2022-04-01 | 浙江芯能光伏科技股份有限公司 | 光伏电力交易***及分布式光伏电站 |
CN115436384A (zh) * | 2022-11-07 | 2022-12-06 | 国网山东省电力公司荣成市供电公司 | 一种基于无人机图像的配电箱表面缺陷检测***及方法 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102208023A (zh) * | 2011-01-23 | 2011-10-05 | 浙江大学 | 基于边缘信息和分布熵的视频字幕识别设计方法 |
CN109187558A (zh) * | 2018-10-10 | 2019-01-11 | 中南大学 | 一种基于无人机的光伏电站自动巡检*** |
WO2019115843A1 (es) * | 2017-12-14 | 2019-06-20 | Acciona Energía, S. A. | Sistema y método automatizados de inspección de una planta fotovoltaica |
CN110277962A (zh) * | 2019-06-18 | 2019-09-24 | 国家电投集团黄河上游水电开发有限责任公司 | 一种应用无人机及逆变器返灌技术对光伏电池组件进行el实时在线图谱收集分析诊断方法 |
CN111537515A (zh) * | 2020-03-31 | 2020-08-14 | 国网辽宁省电力有限公司朝阳供电公司 | 基于三维实景模型的铁塔螺栓缺陷展示方法和*** |
CN112290886A (zh) * | 2020-09-18 | 2021-01-29 | 华为技术有限公司 | 一种故障检测方法、装置和光伏发电*** |
CN112455676A (zh) * | 2019-09-09 | 2021-03-09 | 中国电力科学研究院有限公司 | 一种光伏板健康状态智能监测分析***及方法 |
CN112990335A (zh) * | 2021-03-31 | 2021-06-18 | 江苏方天电力技术有限公司 | 一种电网无人机巡检影像缺陷智能识别自学习训练方法、*** |
-
2021
- 2021-07-26 CN CN202110845392.1A patent/CN113485432A/zh active Pending
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102208023A (zh) * | 2011-01-23 | 2011-10-05 | 浙江大学 | 基于边缘信息和分布熵的视频字幕识别设计方法 |
WO2019115843A1 (es) * | 2017-12-14 | 2019-06-20 | Acciona Energía, S. A. | Sistema y método automatizados de inspección de una planta fotovoltaica |
CN109187558A (zh) * | 2018-10-10 | 2019-01-11 | 中南大学 | 一种基于无人机的光伏电站自动巡检*** |
CN110277962A (zh) * | 2019-06-18 | 2019-09-24 | 国家电投集团黄河上游水电开发有限责任公司 | 一种应用无人机及逆变器返灌技术对光伏电池组件进行el实时在线图谱收集分析诊断方法 |
CN112455676A (zh) * | 2019-09-09 | 2021-03-09 | 中国电力科学研究院有限公司 | 一种光伏板健康状态智能监测分析***及方法 |
CN111537515A (zh) * | 2020-03-31 | 2020-08-14 | 国网辽宁省电力有限公司朝阳供电公司 | 基于三维实景模型的铁塔螺栓缺陷展示方法和*** |
CN112290886A (zh) * | 2020-09-18 | 2021-01-29 | 华为技术有限公司 | 一种故障检测方法、装置和光伏发电*** |
CN112990335A (zh) * | 2021-03-31 | 2021-06-18 | 江苏方天电力技术有限公司 | 一种电网无人机巡检影像缺陷智能识别自学习训练方法、*** |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114199230A (zh) * | 2021-12-14 | 2022-03-18 | 石家庄东方热电热力工程有限公司 | 一种光伏发电组件地理位置导航方法 |
CN114268095A (zh) * | 2021-12-22 | 2022-04-01 | 浙江芯能光伏科技股份有限公司 | 光伏电力交易***及分布式光伏电站 |
CN115436384A (zh) * | 2022-11-07 | 2022-12-06 | 国网山东省电力公司荣成市供电公司 | 一种基于无人机图像的配电箱表面缺陷检测***及方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113485432A (zh) | 一种基于无人机的光伏电站电致发光智能诊断***及方法 | |
CN108537154A (zh) | 基于hog特征和机器学习的输电线路鸟巢识别方法 | |
CN110033453A (zh) | 基于改进YOLOv3的输变电线路绝缘子航拍图像故障检测方法 | |
CN109359697A (zh) | 一种电力设备巡检中使用的图形图像识别方法及巡查*** | |
CN109584222A (zh) | 一种基于无人机的光伏组件图像的故障分类及辨识方法 | |
CN108680833B (zh) | 基于无人机的复合绝缘子缺陷检测*** | |
CN113205039B (zh) | 基于多dcnn网络的电力设备故障图像识别勘灾***及方法 | |
CN117214617B (zh) | 一种智能电网故障实时监测定位***及方法 | |
CN113589837A (zh) | 一种基于边缘云的电力实时巡检方法 | |
CN110736547A (zh) | 基于红外成像技术的光伏板故障智能诊断*** | |
CN114596278A (zh) | 一种用于光伏电站的光伏面板热斑缺陷检测方法及装置 | |
CN116866512A (zh) | 一种光伏电站巡检***及其运行方法 | |
CN116846059A (zh) | 一种用于电网巡检和监控的边缘检测*** | |
CN111339927A (zh) | 一种电力营业厅人员工作状态智能识别*** | |
CN116485802B (zh) | 一种绝缘子闪络缺陷检测方法、装置、设备及存储介质 | |
CN113532753A (zh) | 一种基于机器视觉的风电场齿轮箱漏油检测方法 | |
CN116664549A (zh) | 一种基于特征感知的光伏电站热斑缺陷检测方法 | |
Özer et al. | An approach based on deep learning methods to detect the condition of solar panels in solar power plants | |
Li et al. | Research and application of photovoltaic power station on-line hot spot detection operation and maintenance system based on unmanned aerial vehicle infrared and visible light detection | |
CN108470141B (zh) | 一种基于统计特征与机器学习的配电线路中绝缘子识别方法 | |
TWI732682B (zh) | 太陽能發電模組失效分析系統與方法 | |
TWI732683B (zh) | 太陽能發電模組缺陷智慧診斷系統與方法 | |
CN113139476A (zh) | 一种面向数据中心的人体行为属性实时检测方法和*** | |
CN113808081A (zh) | 一种输电线路小尺寸金具缺陷检测*** | |
CN112132826A (zh) | 基于人工智能的杆塔附件缺陷巡检图像排查方法及*** |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20211008 |
|
RJ01 | Rejection of invention patent application after publication |